DETEKSI PENYAKIT HERPES PADA KULIT MANUSIA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Khalidas Hakim, Mas Adam (2023) DETEKSI PENYAKIT HERPES PADA KULIT MANUSIA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, UPN Veteran Jawa Timur.

[img]
Preview
Text (Cover)
18081010117_cover.pdf

Download (682kB) | Preview
[img]
Preview
Text (Bab 1)
18081010117_Bab 1.pdf

Download (80kB) | Preview
[img] Text (Bab 2)
18081010117_Bab 2.pdf
Restricted to Registered users only until 30 January 2026.

Download (459kB)
[img] Text (Bab 3)
18081010117_Bab 3.pdf
Restricted to Registered users only until 30 January 2026.

Download (289kB)
[img] Text (Bab 4)
18081010117_Bab 4.pdf
Restricted to Registered users only until 30 January 2026.

Download (999kB)
[img]
Preview
Text (Bab 5)
18081010117_Bab 5.pdf

Download (69kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
18081010117_Daftar pustaka.pdf

Download (78kB) | Preview

Abstract

Herpes adalah penyakit yang ditandai dengan munculnya lepuh merah berisi cairan pada kulit. Herpes adalah penyakit jangka panjang. Virus bisa hidup seumur hidup di dalam tubuh manusia. Pada penelitian ini penulis mengembangkan sistem deteksi herpes pada kulit manusia dengan gambar kulit bewarna sebagai datanya. Sistem ini dibuat dengan menggunakan algoritma Convolutional Neural Network (CNN). Algoritma tersebut didesain untuk mengolah data dua dimensi yang digunakan untuk menganalisis, mengenali dan mendeteksi objek pada citra. Penelitian ini menggunakan dataset dengan jumlah total dataset berjumlah 1308 data citra, Pengujian sistem dilakukan dengan melatih algoritma CNN pada data latih dan pengujian performa pada data uji dengan rasio 80:20 dari keseluruhan data. Hasilnya CNN yang memiliki 32, 64, 128, 256 filter pada lapisan konvolusi dan 256, 512, 512 pada lapisan tersembunyi memiliki performa paling baik jika dibandingkan dengan CNN yang memiliki lapisan konvolusi dan lapisan tersembunyi lainnya. Hal ini dibuktikan dengan nilai akurasinya sebessar 92%.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorNugroho, BudiNIDN0707098003UNSPECIFIED
Thesis advisorYulia Puspitaningrum, EvaNIDN0005078908UNSPECIFIED
Subjects: T Technology > T Technology (General) > T385 Computer Graphics
Divisions: Faculty of Computer Science > Departemen of Informatics
Depositing User: Mas Adam Khalidas Hakim
Date Deposited: 30 Jan 2023 02:23
Last Modified: 30 Jan 2023 02:24
URI: http://repository.upnjatim.ac.id/id/eprint/11901

Actions (login required)

View Item View Item